Ⅰ 電商數據分析需要統計哪些指標
數據指標
1.電商總體運營指標
數據指標
電商總體運營整體指標主要面向的人群電商運營的高層，通過總體運營指標評估電商運營的整體效果。電商總體運營整體指標包括四方面的指標：
（1）流量類指標
獨立訪客數（UV），指訪問電商網站的不重復用戶數。對於PC網站，統計系統會在每個訪問網站的用戶瀏覽器上「種」一個cookie來標記這個用戶，這樣每當被標記cookie的用戶訪問網站時，統計系統都會識別到此用戶。在一定統計周期內如（一天）統計系統會利用消重技術，對同一cookie在一天內多次訪問網站的用戶僅記錄為一個用戶。而在移動終端區分獨立用戶的方式則是按獨立設備計算獨立用戶。
頁面訪問數（PV），即頁面瀏覽量，用戶每一次對電商網站或著移動電商應用中的每個網頁訪問均被記錄一次，用戶對同一頁面的多次訪問，訪問量累計。
人均頁面訪問數，即頁面訪問數（PV）／獨立訪客數，該指標反映的是網站訪問粘性。
（2）訂單產生效率指標
總訂單數量，即訪客完成網上下單的訂單數之和。
訪問到下單的轉化率，即電商網站下單的次數與訪問該網站的次數之比。
（3）總體銷售業績指標
網站成交額（GMV），電商成交金額，即只要網民下單，生成訂單號，便可以計算在GMV裡面。
銷售金額。銷售金額是貨品出售的金額總額。
註：無論這個訂單最終是否成交，有些訂單下單未付款或取消，都算GMV，銷售金額一般只指實際成交金額，所以，GMV的數字一般比銷售金額大。
客單價，即訂單金額與訂單數量的比值。
（4）整體指標
銷售毛利，是銷售收入與成本的差值。銷售毛利中只扣除了商品原始成本，不扣除沒有計入成本的期間費用（管理費用、財務費用、營業費用）。
毛利率，是衡量電商企業盈利能力的指標，是銷售毛利與銷售收入的比值。如京東的2014年毛利率連續四個季度穩步上升，從第一季度的10.0％上升至第四季度的12.7％，體現出京東盈利能力的提升。
2.網站流量指標
數據指標
（1）流量規模類指標
常用的流量規模類指標包括獨立訪客數和頁面訪問數，相應的指標定義在前文（電商總體運營指標）已經描述，在此不在贅述。
（2）流量成本累指標
單位訪客獲取成本。該指標指在流量推廣中，廣告活動產生的投放費用與廣告活動帶來的獨立訪客數的比值。單位訪客成本最好與平均每個訪客帶來的收入以及這些訪客帶來的轉化率進行關聯分析。若單位訪客成本上升，但訪客轉化率和單位訪客收入不變或下降，則很可能流量推廣出現問題，尤其要關注渠道推廣的作弊問題。
（3）流量質量類指標
跳出率（Bounce Rate）也被稱為蹦失率，為瀏覽單頁即退出的次數/該頁訪問次數，跳出率只能衡量該頁做為著陸頁面（LandingPage）的訪問。如果花錢做推廣，著落頁的跳出率高，很可能是因為推廣渠道選擇出現失誤，推廣渠道目標人群和和被推廣網站到目標人群不夠匹配，導致大部分訪客來了訪問一次就離開。
頁面訪問時長。頁訪問時長是指單個頁面被訪問的時間。並不是頁面訪問時長越長越好，要視情況而定。對於電商網站，頁面訪問時間要結合轉化率來看，如果頁面訪問時間長，但轉化率低，則頁面體驗出現問題的可能性很大。
人均頁面瀏覽量。人均頁面瀏覽量是指在統計周期內，平均每個訪客所瀏覽的頁面量。人均頁面瀏覽量反應的是網站的粘性。
（4）會員類指標
注冊會員數。指一定統計周期內的注冊會員數量。
活躍會員數。活躍會員數，指在一定時期內有消費或登錄行為的會員總數。
活躍會員率。即活躍會員占注冊會員總數的比重。
會員復購率。指在統計周期內產生二次及二次以上購買的會員占購買會員的總數。
會員平均購買次數。指在統計周期內每個會員平均購買的次數，即訂單總數/購買用戶總數。會員復購率高的電商網站平均購買次數也高。
會員回購率。指上一期末活躍會員在下一期時間內有購買行為的會員比率。
會員留存率。會員在某段時間內開始訪問你的網站，經過一段時間後，仍然會繼續訪問你的網站就被認作是留存，這部分會員占當時新增會員的比例就是新會員留存率，這種留存的計算方法是按照活躍來計算，另外一種計算留存的方法是按消費來計算，即某段的新增消費用戶在往後一段時間時間周期（時間周期可以是日、周、月、季度和半年度）還繼續消費的會員比率。留存率一般看新會員留存率，當然也可以看活躍會員留存。留存率反應的是電商留住會員的能力。
Ⅱ 電子商務與網站統計分析有聯系嗎
電子商務的出現，某種程度上而言推動了網站統計分析服務的發展。對於有電子商務需求的網站或企業而言，網站統計工具（例如gostats.cn網站統計，cnzz網站統計等）可以追蹤到相關的用戶資料，例如用戶的ip，來源，訪問路徑等，因而對電子商務而言，網站統計工具是必不可少的。
Ⅲ 中國電子商務現狀分析
電子商務作為現代服務業中的重要產業，有「朝陽產業、綠色產業」之稱，具有「三高」、「三新」的特點。「三高」即高人力資本含量、高技術含量和高附加價值；「三新」是指新技術、新業態、新方式。人流、物流、資金流、信息流「四流合一」是對電子商務核心價值鏈的概括。電子商務產業具有市場全球化、交易連續化、成本低廉化、資源集約化等優勢。 縱觀全球電子商務市場，各地區發展並不平衡，呈現出美國、歐盟、亞洲「三足鼎立」的局面，美國是世界最早發展電子商務的國家，同時也是電子商務發展最為成熟的國家，一直引領全球電子商務的發展，是全球電子商務的成熟發達地區。歐盟電子商務的發展起步較美國晚，但發展速度快，成為全球電子商務較為領先的地區。亞洲作為電子商務發展的新秀，市場潛力較大，但是近年的發展速度和所佔份額並不理想，是全球電子商務的持續發展地區。
全球B2B電子商務交易一直占據主導地位，2002年至今，呈現持續高速增長態勢，2007年全球B2B交易額達到8.3萬億美元，預計在未來幾年將保持40%以上的增長率，到2010年B2B交易額將達到26萬億美元，比2002年增長30多倍。
總體來看，全球電子商務發展呈高速增長態勢。隨著全球電子商務的發展，我國電子商務的發展動力持續增強。我國電子商務發展呈現典型的塊狀經濟特徵，東南沿海屬於較為發達地區，北部和中部屬於快速發展地區，西部則相對落後。
電子商務市場分析：中國電子商務市場前期延續了2007年電子商務持續高速增值的勢頭，後期則受全球金融危機和發展瓶頸影響，交易額增長放緩。但總體來說，中國電子商務市場的發展仍在穩步前行。2008年中國電子商務市場交易額達到24000億元，同比增值達到41.2%，其中B2B市場仍是總交易額的構成主體，C2C基本維持現狀，B2C將提速發展；2008年6月中國網上購物人數達到6329萬人，網上支付人數達到5697萬人，增長率分別為25%和22.5%。中國電子商務市場發展前景依舊樂觀。
從電子商務的三種業務模式來看，B2B依然是電子商務市場的主旋律，B2B交易額佔中國電子商務總體交易額的89.5%，達到21480億元；而B2C交易額占整體交易額的7.4%，達到1776億元；C2C交易額佔3.1%，達到744億元。整體業務格局的最大變化在於B2C市場份額進一步擴大。電子商務市場分析三種業務模式所處的細分市場，B2B市場中阿里巴巴仍占據市場霸主地位，*和網盛旗下的中國化工網、生意寶增長迅速，垂直B2B平台體現了巨大發展動力。
電子商務市場分析:1、 政府加強引導性投資的注入解決資金不足問題
2008年政府加強了在電子商務領域的引導性投資，用以改善中國電子商務市場的投資環境，政府通過將投資收益返還社會投資人、支持社會投資回購政府所持股份等政策，將大量資金引入電子商務的發展。2008年底，依託「十一五」國家科技支撐計劃重點項目「現代服務業服務交互支撐平台」構建的「正佳網」在廣州正式開業，充分說明國家對電子商務發展的扶持力度已經達到一個新的高度，市場發展的資金問題逐步得到緩解。
電子商務市場分析：2、 政府主導物流電子商務服務平台的整合與構建
與企業主動建設網上支付體系不同，物流體系的完善需要政府的大力推動。通過整合全省甚至全國的物流資源，建立物流公共信息平台成為目前一個時期的首要任務。目前中國已經具備了中國物流交易中心、廈門物流公共信息平台等一批市級物流平台，但從信息質量、功能服務等方面看都需要進一步提升。在此背景下，2008年國家將蘇州工業園區綜合保稅區現代物流公共信息平台，列為國家區域性現代物流公共信息平台建設試點，利用政策優勢和硬體建設、軟體服務優勢，建設中國國際電子產品交易基地。
電子商務市場分析：3、 B2B仍有發展潛力，B2C將提速增長
從整體市場及細分市場的發展看，2009年中國電子商務交易額將達到34278億元，增長率保持在40%以上。未來10年，中國將有70％的貿易額將通過電子交易完成。中國B2B電子商務市場交易規模增長潛力巨大。此外，由於電子商務向行業的滲透將更加深入，加之B2C市場對投資者的吸引力加強，B2C市場的份額將在2009年呈現明顯的擴大趨勢，其中IT數碼、家居建材領域B2C市場將成為未來幾年中國電子商務市場發展的熱點領域。
電子商務市場分析：4、 物流平台將逐步崛起，支付市場面臨洗牌
從電子商務市場支撐體系建設看，一方面2009年物流公共信息平台在政府的持續推動下將有巨大發展，平台信息服務能力將顯著提升，同時更多的電子商務服務商會加入物流體系建設的行列中。另一方面，網上支付服務商將在未來2年經歷二次篩選，資金短缺以及技術、商業模式、信用體系等環節不健全的服務商將面臨被市場淘汰的危險。
電子商務市場分析：5、 企業與政府合力完善電子商務支撐體系
在電子商務支撐體系建設方面，支付體系已經具備了一定發展基礎，支付寶、財付通等網上支付服務商已經具備了一定的競爭優勢，同時為進一步改善網上支付市場的發展環境，繼續擴大市場佔有率，企業具有主動聯合政府或金融機構完善支付體系的意願，其中完善網上支付信用體系工作成為2008年的主旋律。2008年1月17日，第三方支付平台支付寶與中國建設銀聯合推出了的支付寶賣家信貸服務，符合信貸要求的淘寶網賣家將可獲得最高十萬元的個人小額信貸，國內首次推出這種信貸模式，在很大程度上加強了第三方支付公司的信譽保障。
電子商務市場分析：6、 電子商務保持投資吸引力，B2C成風投新寵
2008年中國電子商務市場除在擴大資金來源、支撐體系建設方面有所成就外，不可避免的需要面臨全球金融危機所帶來的影響，但隨著中國電子商務與行業發展結合的更廣、更深，充分利用電子商務B2C手段已經成為中國行業企業在度過經濟寒冬中的重要選擇。因此，2008年投資機構對中國電子商務市場的關注度不將反升，其中B2C行業無論在投資案例數量還是在投資金額上都呈快速增值趨勢。母嬰用品、IT數碼產品、珠寶、建材等一大批傳統行業細分領域開始進入B2C市場，並獲得VC持續關注。年內，凡客、麥考林分別獲得2000萬美元和8000萬美元的資本注入。可見B2C已經成為推動中國電子商務市場發展的重要細分市場。
電子商務市場分析：7、 保險、旅遊、批發零售行業電子商務市場份額將擴大
從行業應用角度看，鑒於2008年的經濟環境，國民的保險意識將進一步加強，而方便快捷的保險電子商務將成為保險客戶的首選，因此未來保險電子商務仍將快速發展；同時，隨著經濟增長放緩，各省市將加強對旅遊產業的重視，從而提升本地經濟增長能力，在旅遊產業二次創業的要求下，旅遊電子商務將成為未來各地著重發展的業務；此外，賽迪顧問認為中國國民消費能力在未來不會有太大波動，當市場物價逐步增高，網路平台所提供的低價格產品將更加受到消費者青睞，隨著網民網上購物、網上支付以及物流服務的健全，直接面向個人消費者的批發零售業電子商務將會面臨最佳的發展機遇。
電子商務市場分析綜上所述，2012~2013年的中國電子商務市場充滿機遇和挑戰，而政府和企業的通力合作是抓住機遇並贏得挑戰的基礎。在此基礎上，中國電子商務市場將一步步向發達國家電子商務水平接近，在成為全球網路經濟中心的道路上穩步前行
Ⅳ 如何做好電子商務數據分析
數據是這些：訪客、頁面數、停留時間、商品被訪問數、轉化率、客單價、成交額』訪問來源等等，分析方法：天、周、月、年的同比和環比數據，擴展分析行業的數據和競爭對手的數據
Ⅳ 電子商務的數據分析
宏觀上的政策發展情況
行業的現實數據與預測報告
競爭對手的發展情況與預測報告
自身現有的運營數據報告與預測
自身的投資意向與發展規劃
Ⅵ 電商數據分析應該從哪些方面進行分析
我一直在問答談運營技術。但是我認為，我最強在於數據跟視覺。
我認為，競爭到最後，運營跟運營之間的差距是從數據跟視覺開始區分的。
今天我們恰巧有時間來談談數據。
什麼是數據分析思維？
數據分析思維，我認為是：把行為轉化為數據-通過數據反推行為。
我舉個例子：
你經常來我店鋪購買姨媽巾。
你今天過來買姨媽巾，我就知道你大概一周內要來大姨媽。根據你購買的數量跟規格，我就能推斷你一次大姨媽來多久，量大概多少。拉出來你半年的購買時間，我就可以推斷你多久一次大姨媽是不是穩定。
如果有兩個月沒看到你購買姨媽巾了。。。那肯定是在兩個月前，你男朋友的雨衣破了。
拉出來你男朋友的購買記錄，我就知道，這個店鋪的雨衣可能不合格。
為了驗證他是不是不合格，我們去看看他半年內的復購率是不是遠低於同行。
嗯，就因為你沒有買姨媽巾，我懷疑這個店鋪的雨衣不合格。
這就是數據分析的基本思維。
學會數據分析的基本思維，只能說，你勉強具備數據分析的可能。
那麼做數據分析。需要明白幾個東西。
1、數據樣本：數據樣本如果選擇不合理，那麼結果完全就是錯誤的。譬如我去抓取一個定位40歲大媽的姨媽巾店鋪，要中國女性的姨媽周期，那根本就不科學好嗎。這是青春期跟更年期的差異（此例子說明林慕白同學同樣對婦科知識有所涉獵，歡迎廣大適齡未婚女性知友來信咨詢）。
實戰中經常犯的例子是：平銷轉化率很好的單品，在聚劃算賣不好。平銷轉化率不好的某些單品，聚劃算反而會賣爆？為什麼呢？想想，別問我，自己想。鬧不明白就別嘗試做電商的數據分析了。
2、數據選擇：實際上我們會遇到很多的數據，但是有些數據不一定是我們想要的。就像我們這輩子會遇到很多很好的女生，但是我們很難明白，誰才能更好陪伴我們走完這一生。這個事情無法舉例，我這邊給一份試題：
現在我們店鋪需要做優惠券促銷，目的要提高客單價。
好，你告訴我要做滿100減10元。
嗯，很好，那你現在告訴我，為什麼是滿100而不是滿110，為什麼是減10元而不是減20。拿出來你的數據。
嗯，不要問我怎麼弄。也不要懷疑我是不是真的能分析出來，我真的能。
3、動態變化：我們一般最常用的，就是通過數據之間的變化，來分析可能出現一些什麼問題或者變化。然而當一個數據量變化的時候，往往其他的數據也會發生變化。所以我們需要清晰什麼數據之間是正相關，什麼是反相關，他們之間的關系，在什麼情況下是成立的。譬如正常收藏的比例跟轉化率是正相關的，但是這幾天他們是反相關的。轉化率越掉，收藏率可能就越高。
我就談談數據分析的框架，我估計這些東西別人懶得講，所以我講一下。
至於什麼工具看什麼數據讓別人講吧。
碼字有些累。謝謝